1  前言

農(nóng)業(yè)技術(shù)包含信息獲取、信息管理和決策及變量作業(yè)3個部分，其中如何方便、快速、準(zhǔn)確、可靠地獲取作物信息，已經(jīng)成為實施農(nóng)業(yè)為關(guān)鍵的問題。養(yǎng)分生理指標(biāo)作為作物內(nèi)部指標(biāo)，與作物生長的狀態(tài)以及產(chǎn)量密切相關(guān)。如氮、磷、鉀、鋅等營養(yǎng)元素與作物生長狀態(tài)密切相關(guān)，缺少任何一種元素都可能會引起植物的不正常生長；而氮、葉綠素含量、冠層參數(shù)等指標(biāo)與作物的產(chǎn)量相關(guān)，可以作為作物產(chǎn)量預(yù)估指標(biāo)；當(dāng)作物受到環(huán)境脅迫時，其生理信息和外部形態(tài)都會發(fā)生改變，如受到病蟲害侵染時，作物會作出應(yīng)激反應(yīng)產(chǎn)生酶以及某些產(chǎn)物。因此，作物當(dāng)中一些特定的酶含量、氨基酸含量、蛋白含量的變化反映了作物在逆境中的狀況，可以作為作物逆境脅迫響應(yīng)指標(biāo)。目前隨著光譜傳感技術(shù)和圖像處理分析技術(shù)的日益發(fā)展,無人機(jī)與光譜軟硬件的結(jié)合也越發(fā)純熟。在農(nóng)業(yè)、林業(yè)、資源、生態(tài)、環(huán)境保護(hù)等領(lǐng)域都得到了廣泛應(yīng)用。

作物的光譜特征是環(huán)境因子（生物因子和非生物因子）影響的結(jié)果。利用光譜和成像技術(shù)快速、無損地獲取作物的養(yǎng)分生理信息，間接預(yù)估作物的產(chǎn)量以及監(jiān)測作物長勢與逆境脅迫響應(yīng)，有助于實現(xiàn)農(nóng)業(yè)化、數(shù)字化、信息化以及智能化管理作業(yè)。光譜成像技術(shù)將光譜分析技術(shù)和成像技術(shù)結(jié)合起來，它既能獲取樣本的光譜信息也能獲取空間信息，并且能同時獲取樣本的物理特性和化學(xué)特性。光譜圖像通常是三維（3D）的，由二維的空間信息和一維的光譜信息組成。根據(jù)波段的多少，光譜成像技術(shù)可以分為多光譜成像技術(shù)和高光譜成像技術(shù)。通常來說，高光譜成像技術(shù)獲取的圖像由大量連續(xù)的波段（幾十個或幾百個）組成，而多光譜成像技術(shù)的圖像由一系列離散的波段（一般少于10個）組成。

高光譜圖像的光譜分辨率更高，能夠更好地獲取樣本的信息，對于監(jiān)測作物信息精度更高。然而，由于高光譜圖像通常攜帶有大量的信息，因此需要對數(shù)據(jù)進(jìn)行降維，去除冗余信息。高光譜成像技術(shù)也有它的局限性，如成本高，處理速度慢等。因此，高光譜成像技術(shù)主要用于基礎(chǔ)研究。相比高光譜成像技術(shù)，多光譜成像技術(shù)更適合田間的大面積監(jiān)測。

2  植被指數(shù)

植被指數(shù)是一類具有一定生化意義的不同波段光譜值的組合，通常有比值植被指數(shù)、線性組合植被指數(shù)、修正植被指數(shù)、差值植被指數(shù)等。不同波段組合的植被指數(shù)對于不同指標(biāo)預(yù)測效果不同。在農(nóng)業(yè)上，基于光譜技術(shù)檢測作物生理指數(shù)的波段范圍一般在400～2 500 nm之間，涉及到色素（葉綠素、類胡蘿卜素等）、氮、水分等吸收和葉片細(xì)胞的內(nèi)部結(jié)構(gòu)。在400～740 nm 可見光波段，葉綠素在480、650、670～680、740 nm 處有吸收峰，類胡蘿卜素在 420、425、440、450、470、480 nm均有吸收峰，葉黃素在 425、445、475 nm 有吸收峰。而在 740～1 300 nm 近紅外波段由于健康的葉肉細(xì)胞反射作用，其反射率急劇升高；作物水分的吸收峰主要集中在970、1 450、1 944 nm 處。因此當(dāng)作物受到脅迫作用時，相應(yīng)的氮、色素、酶等發(fā)生變化，通過應(yīng)用各種植被指數(shù)監(jiān)測這些生理指標(biāo)變化，可判斷作物脅迫情況、生長狀況以及產(chǎn)量情況。然而，多光譜只有區(qū)區(qū)幾個波段，雖然能構(gòu)建一些植被指數(shù)，但是構(gòu)建的植被指數(shù)未必能反映作物的生理生化信息及長勢狀態(tài)。高光譜則不同，其數(shù)百上千個波段信息，即使同一植被指數(shù)，也能有成千上萬種組合，而這么多種組合以及這么多的植被指數(shù)，總能找到適合監(jiān)測作物的生理生化信息及長勢狀態(tài)的敏感指數(shù)。

圖1 無人機(jī)高光譜影像下作物長勢分布圖

3  養(yǎng)分指標(biāo)檢測

氮和葉綠素類含量是作物重要的養(yǎng)分指標(biāo)，與作物產(chǎn)量密切相關(guān)。基于光譜和成像技術(shù)作物養(yǎng)分信息的獲取根據(jù)是否直接利用光譜信息可分為基于直接光譜信息作物養(yǎng)分信息快速獲?。ㄈ缰鸩蕉嘣貧w、偏小二乘、權(quán)重系數(shù)、支持向量機(jī)等）和基于植被指數(shù)作物養(yǎng)分信息快速獲取?；谥苯庸庾V信息作物養(yǎng)分獲取即通過原始光譜處理建模檢測作物養(yǎng)分信息，而基于植被指數(shù)的養(yǎng)分檢測是通過建立植被指數(shù)與養(yǎng)分的模型進(jìn)行分析。

圖2 無人機(jī)高光譜影像作物葉綠素a分布

圖3 無人機(jī)高光譜影像作物氮素分布

4  水分脅迫監(jiān)測

通過光譜和成像技術(shù)對作物水分脅迫信息進(jìn)行快速獲取，有利于作物肥水管理的化控制。研究者張曉東等應(yīng)用了多光譜成像技術(shù)和高光譜技術(shù)研究水分脅迫下油菜葉片的含水率?；诟吖庾V建立的模型預(yù)測結(jié)果優(yōu)于基于多光譜成像建立的模型。

圖4  WBI 指數(shù)變化（WBI 值越大，植物含水量越高，越利于植物生長）

5  病害脅迫監(jiān)測

早期作物病蟲害診斷對科學(xué)防治病蟲害，保證作物產(chǎn)量具有重要意義。目前，病蟲害診斷可分為直接方法和間接方法。直接方向主要是以化學(xué)分析方法為主，

包含聚合酶鏈反應(yīng)、DNA 陣列等方法。而間接方法主要是以電子鼻、光譜儀等為主的傳感器技術(shù)。光譜和成像技術(shù)是一種病蟲害診斷的快速、無損、有效檢測技術(shù)。當(dāng)作物受到病蟲害脅迫時，作物內(nèi)部的生理指標(biāo)以及外部形態(tài)均會發(fā)生變化，在光譜和成像技術(shù)上以光譜響應(yīng)與紋理、顏色等特征呈現(xiàn)。因此，光譜和成像技術(shù)通過分析某一波段或者多個波段光譜以

及作物圖像信息對作物病蟲害脅迫作出診斷。此外，用于診斷病蟲害的植被指數(shù)主要有歸一化植被指數(shù)、綠色歸一化植被指數(shù)、比值植被指數(shù)、光化學(xué)反射、葉片水分植被指數(shù)1、水分指數(shù)、水分波段指數(shù)等。

圖5 病害脅迫，越黃發(fā)病越嚴(yán)重，越綠發(fā)病越輕

6  綜述

盡管多光譜、高光譜技術(shù)已經(jīng)成為農(nóng)業(yè)信息獲取中關(guān)鍵技術(shù)，然而仍存在一些問題。

1）基于光譜成像技術(shù)作物指標(biāo)檢測模型的穩(wěn)健性、傳遞性不高。由于受到作物生理因素（品種、生長階段等）、環(huán)境因素（光照、土壤、溫度、降水等）、檢測參數(shù)、田間管理因素（灌溉、施肥等）、指標(biāo)之間互相干擾等因素影響，作物指標(biāo)模型很難涵蓋適用所有情況。

2）針對作物脅迫水平的診斷仍存在問題。由于作物病蟲害、雜草、水分等脅迫沒有統(tǒng)一的評價指標(biāo)，很難建立定量診斷模型。

農(nóng)作物生理信息的感知和獲取，已經(jīng)在農(nóng)業(yè)生產(chǎn)、決策和作物生長狀態(tài)的檢測中發(fā)揮了重要的作用，已成為農(nóng)業(yè)和農(nóng)業(yè)信息化發(fā)展的重要內(nèi)容。在農(nóng)業(yè)中，快速無損地獲取農(nóng)作物養(yǎng)分生理信息（氮、葉綠素類、蛋白類、酶類等）仍是農(nóng)業(yè)生產(chǎn)的管理和作業(yè)研究的重點和難點，相關(guān)方法和技術(shù)的突破，對實現(xiàn)農(nóng)業(yè)的化、數(shù)字化、信息化和智能化管理和作業(yè)具有重要意義。